Классификация систем и понятие активного объекта

Размещено на http://www.allbest.ru/

Оглавление

Введение

Глава 1. Классификация систем и понятие активного объекта. Определения основных терминов

Глава 2. Двухуровневая модель активной системы и рефлексивное мета-управление

Глава 3. Постановка проблемы

Заключение

Введение

Понятие активной системы впервые предложено отечественными учеными В.В. Дружининым и Д.С. Конторовым в 1976. В дальнейшем большой вклад в развитие теории активных систем внесли Бурков В.Н., Новиков Д.А., Черкашин А.М.

Активные системы - это системы с целеполаганием и активной свободной волей, поведение которых основано на накоплении информации о себе и окружающей среде, ее анализе, прогнозе собственного состояния и состояния окружающей среды, на принятии и реализации решений.

Примерами активных систем являются люди, коллективы (предприятия), социально-экономические системы различных уровней и масштабов: от коллективов и предприятий, до территориально-распределенных межотраслевых комплексов, а также биологические и экологические системы, некоторые интеллектуальные кибернетические системы и многие другие.

Соотношение содержания понятий "сложная система" и "активная система": из определения активной системы следует, что функции, характерные для активных систем, могут реализоваться только за счет сложной системы их поддержки.

Отсюда следует еще одно определение активных систем: активные системы - это сложные системы с целесообразным поведением, управление которыми, вызывает т своеобразную проблематику.

Глава 1. Классификация систем и понятие активного объекта. Определения основных терминов

Рассмотрим понятие "система", обращая основное внимание на особенности применения этого фундаментального понятия в теории и практике синтеза рефлексивных автоматизированных систем управления (РАСУ) активными объектами (системами).

Прежде всего, система - это целостная совокупность некоторых элементов, не сводящаяся к простой сумме своих частей, т.е. представляющая собой нечто большее, чем просто сумму частей. Это нечто, отсутствующее в частях системы, взятых самих по себе, и совершенно необходимое, чтобы элементы образовали систему, представляет собой интегрирующее начало, системообразующий фактор. Интегрирующее начало может быть как объективным, так и субъективным, а системы, соответственно, естественными и искусственными. Искусственная система есть средство достижения цели. Но и естественные, например, экологические системы, человек часто рассматривает с прагматической точки зрения, т.е. с точки зрения того, что они могут ему дать или какими они должны быть, чтобы обеспечить человеку определенные желательные условия, т.е. опять же с точки зрения соответствия определенным субъективным целям.

Различные модели систем отличаются тем, насколько полно в этих моделях отражены знания разработчиков модели о внутреннем строении моделируемых систем, и насколько эти модели являются подходящими для применения с точки зрения достижения целей АСУ.

Простейшей (полностью феноменологической) моделью системы является модель "черного ящика" Так называют систему, о которой внешнему наблюдателю доступны только лишь входные и выходные параметры, а внутренняя структура системы и процессы в ней неизвестны. Входные параметры можно рассматривать как управляющие воздействия, а желательные значения выходных - как цель управления. Ряд важных выводов о поведении системы можно сделать, наблюдая только ее реакцию на воздействия, т.е. наблюдая зависимости между изменениями входных и выходных параметров. Такой подход открывает возможности изучения систем, устройство которых либо совершенно неизвестно, либо слишком сложно для того, чтобы можно было по свойствам составных частей и связям между ними сделать выводы о поведении системы в целом. Поэтому понятие "черный ящик" широко применяется при решении задач идентификации и моделировании реакции на управляющее воздействие в АСУ сложными объектами управления.

Важно понимать, что "черный ящик" представляет собой именно систему, причем в общем случае, сложную систему. Из этого следует очень важный вывод: оптимизировать какой-либо отдельно взятый выходной параметр нельзя, так как это может привести к уничтожению всей системы, т.е. выходные параметры необходимо рассматривать системно, т.е. в единстве, комплексе.

Несмотря на свою кажущуюся простоту, построение модели "черного ящика" не является тривиальной задачей. Дело в том, что любая реальная система взаимодействует со средой бесчисленным множеством способов. Строя модель системы, из этого бесчисленного множества связей отбирают конечное их число и включают их в список входов и выходов. Критерием отбора при этом является целевое назначение модели, существенность той или иной связи для достижения цели. То, что существенно и важно, включается в модель, а то, что не существенно и не важно - не включается.

Но проблема как раз и заключается в том, что в действительности заранее никому не может быть точно известно, какие входные параметры оказывают существенное влияние на выходные целевые параметры, а какие нет. Это можно узнать, статистически исследовав эволюцию некоторого объекта в течение длительного времени, что проблематично, либо изучив достаточное количество аналогичных объектов, находящихся на различных стадиях своей эволюции, т.е. вариабельных конкретных "мгновенных" реализаций аналогичных объектов управления.

Но даже если такая информация имеется, то математически ее обработать, например, с применением факторного анализа, также далеко не просто, так как обычно размерность реальных задач намного (на несколько порядков) превосходит возможности стандартных статистических методов и пакетов.

Более развитой, чем "черный ящик" является модель состава системы, в которой перечисляются составляющие ее элементы и подсистемы. Совокупность необходимых и достаточных для достижения целей управления элементов и подсистем с определенными отношениями между ними называется структурой системы.

Суммируя модели "черного ящика", состава и структуры, можно дать следующее синтетическое определение системы: "Система есть совокупность взаимосвязанных элементов, обособленная от среды и взаимодействующая с ней как единое целое для достижения определенной объективной или субъективной цели"

Глава 2. Двухуровневая модель активной системы

управление бифуркационный детерминистский автоматизация

Активную систему можно упрощенно представить в виде двухуровневой модели: т.е. суперпозиции, объединения двух систем.

1. Интеллектуальной информационной системы (ИИС), обеспечивающей целеполагание, накопление информации (мониторинг), ее интеллектуальный анализ, прогноз развития себя и окружающей среды, принятие решений.

2. Сложной системы поддержки функций (ССПФ) ИИС и реализации управляющих воздействий.

Эти две подсистемы непосредственно следует, что они действуют на основе определенной сформированной и постоянно модифицируемой ими модели самих себя и окружающей среды, причем в модель окружающей среды входит и модель внешней автоматизированной системы управления (АСУ), которая оказывает воздействие на активную систему., отсюда вытекает понятие рефлексии.

Итак, в связи с тем, что активные системы рефлектируют, управление ими может быть только рефлексивным. Нерефлексивные адаптивные модели в случае управления активным объектом управления просто не обеспечивают необходимого уровня адекватности, так же как линейные модели непригодны для управления существенно нелинейными процессами. Поэтому предлагается новое понятие: "рефлексивная АСУ" (РАСУ), - это АСУ, в которой в качестве объекта управления выступает активная система, т.е. это АСУ активным объектом управления (АОУ): РАСУ АОУ. Новизна теории РАСУ АОУ по сравнению с классической теорией автоматизированных систем управления состоит прежде всего в том, что в классической теории активной стороной является только система автоматического управления (САУ), а объект управления (ОУ) рассматривается только как пассивный объект управляющих воздействий, в РАСУ же объект управления также является активной стороной (субъектом), он стремится к своим целям, которые в общем случае не совпадают с целями управления, активно отражает окружающую среду, включая АСУ, адаптируется, вырабатывает и реализует решения. Поэтому, несмотря на то, что рефлексивное управление уже получило определенное развитие в рамках таких наук, как психология, менеджмент, имиджмент, акмеология, для теории автоматизированного управления рефлексивное управление является новым перспективным направлением научных исследований и разработок. Именно в рамках теории автоматизированного управления рефлексивное управление может стать автоматизированным, т.е. получить в свое распоряжение математические и алгоритмические модели и реализующие их программные системы, а также соответствующую методологию, технологию и методику их применения.

Поэтому можно обоснованно утверждать, что в автоматизации состоит одно из перспективных направлений развития рефлексивного управления.

Развитие теории РАСУ активными объектами можно рассматривать как одну из "точек роста" теории адаптивных систем управления сложными объектами.

Итак, адаптивные системы управления являются частным случаем рефлексивных. Общее между ними в постоянной модификации модели объекта управления и окружающей среды в системе управления.

Существует две основные причины, определяющие необходимость адаптации системы управления:

1. Динамика предметной области, т.е. объекта управления и окружающей среды.

2. Повышение степени адекватности модели предметной области до необходимого уровня.

Методы рефлексивного управления применимы и актуальны не только для управления социально-экономическими, экологическими, биологическими и интеллектуальными кибернетическими системами, но и для управления макро- и микрообъектами неживой природы, причем не только классическими, но и особенно квантовыми. Последнее заслуживает пояснения. Квантовые объекты являются системами, которые могут находится в двух основных состояниях: редуцированном, т.е. локализованном в пространстве-времени, и в виртуальном, при котором пространственное распределение плотности вероятности описывается нелокальной волновой функцией. Именно при измерении параметров квантовых объектов или оказании на них классического по своей природе управляющего воздействия с помощью классических приборов происходит их полная или частичная редукция, т.е. их состояние существенно изменяется. Это можно рассматривать как проявление рефлексии. Необходимо отметить, что на первый взгляд понятие цели имеет чисто субъективный характер и, соответственно, активные системы - это системы, в которых есть какой-то элемент сознания. Однако это не совсем так. В ряде случаев поведение физических и природных систем, которым трудно приписать сознание, проще понять и смоделировать, если предположить, что они как бы стремятся к некоторым объективным целям (достаточно вспомнить "Принцип Мопертюи").Поведение активных систем прогнозировать сложнее, чем детерминистских, т.к. активность вносит существенный элемент неопределенности. Это сближает активные системы с стохастическими. Отличие состоит в том, что в стохастических системах неопределенность имеет случайный характер, т.е. представляет собой ни что иное, как шум, статистические характеристики которого обычно известны. Это обстоятельство позволяет прогнозировать и учитывать характеристики этого шума при управлении.

Неопределенность в поведении активных систем имеет принципиально иной, гораздо более сложный, целесообразный характер. Активная система может по-разному реагировать на одно и то же управляющее воздействие в зависимости от предыстории своего развития, состояния окружающей среды и прогноза их развития. Более того, активная система адаптируется к применяемым методам управления ею, включая в свою модель окружающей среды и саму внешнюю систему управления. Модель активной системы, на основе которой осуществляется управление ею, должна учитывать это обстоятельство, поэтому она с необходимостью должна быть не просто адаптивной, а более того - рефлексивной.

Из того, что активная система создает и непрерывно модифицирует модель внешней среды (включая модель внешней системы управления), непрерывно обеспечивая ее адекватность, с необходимостью следует, что управление активной системой предполагает непрерывное ее изучение (познание), на основе которого должна адаптироваться модель активной системы в системе управления.

Глава 3. Постановка проблемы, выбор объекта и предмета исследования

Развитие активных систем представляет собой последовательное чередование этапов принятия и реализации решений. На этапе принятия решения (состояние бифуркации) состояние АС фиксировано, а направление его будущего развития неопределенно. В этом состоянии формируются или задаются закономерности, определяющие дальнейшее развитие системы на детерминистском этапе, при этом система изменяется (трансформируется) качественно, т.е. революционно. Именно в состоянии бифуркации проявляются те специфические особенности активных систем, которые позволяют называть их активными. На этапе же реализации решения (детерминистский этап), наоборот, направление развития фиксировано, а состояние АС неопределенно. В этом состоянии система развивается в соответствии с закономерностями, заданными ранее на бифуркационном этапе, при этом система изменяется количественно, т.е. эволюционно. На детерминистских этапах АС по сути можно рассматривать как сложные системы.

Необходимо отметить, что примерно с середины 80-х годов школа И.Пригожина развивает чрезвычайно перспективный и глубокий подход, согласно которому в развитии любой системы (в том числе и человека) чередуются периоды, в течение которых система ведет себя то как "в основном детерминированная", то как "в основном случайная", т.е. системы развиваются путем поочередного прохождения детерминистских и бифуркационных состояний. Однако в данном исследовании понятие бифуркации понимается несколько шире: т.е. как принятие решений, соответственно, детерминистский этап рассматривается как этап реализации решений. Случайный выбор направления дальнейшего развития системы представляет собой лишь один из возможных подходов к принятию решений, приемлемый в случае дефицита информации.

При управлении активными объектами на детерминистских этапах их развития адекватны адаптивные АСУ сложными системами, основанные на: мониторинге; выявлении закономерностей в предметной области путем анализа данных мониторинга; применении выявленных закономерностей в предметной области для прогнозирования развития АС и управления ей; количественном уточнении модели предметной области на основе использования информации обратной о результатах управления.

Таким образом на детерминистских этапах развития АС осуществляется адаптация формальной модели ПО, в которой в формализованном виде накапливаются знания о закономерностях, действующих на этом этапе.

Однако, на бифуркационном этапе развития АС формализованное знание закономерностей ПО, накопленное на предыдущем детерминистском этапе развития АОУ, теряет свою адекватность и является практически бесполезным или даже вредным для дальнейшего управления АОУ. При применении устаревшей модели для управления недопустимо повышается вероятность срыва управления, т.е. перевода АОУ в нецелевые состояния, что крайне нежелательно или недопустимо.

Заключение

Итак, в данной работе ставится и решается проблема обеспечения устойчивого управления активными объектами как на детерминистских, так и на бифуркационных этапах их развития.

Предлагается решение этой проблемы путем разработки универсального математического метода и соответствующего инструментария автоматизации системного анализа, как метода познания, т.е. путем декомпозиции системного анализа до уровня базовых когнитивных операций, разработки теоретических основ, инструментария и технологии АСК-анализа.

Выдвигается гипотеза, что это позволит обеспечить устойчивое управление активными объектами, как на детерминистских, так и на бифуркационных этапах их развития.

Размещено на Allbest.ru